SISTEMI DISTRIBUITI 1 E LABORATORIO

Obiettivi formativi

• LABORATORIO

  Un approccio moderno alla risoluzione di problemi scientifici non può prescindere dall’utilizzo di sistemi di calcolo per la creazione di modelli, la simulazione di scenari e la verifica sperimentale di ipotesi difficilmente ricreabili in laboratorio. Inoltre un numero sempre maggiore di applicativi home consumer hanno da tempo iniziato a richiedere ed utilizzare piattaforme di calcolo ad alte performance.
  Questo corso vuole offrire una breve introduzione alle architetture di calcolo ad alte performance ed ai principali paradigmi: MPI, OpenMP, GPGPU, hadoop, openstack. Infine il corso si ripropone di creare quegli strumenti di base per l’approfodimento ulteriore di questi paradigmi e delle tecnologie ad essi connesse, con particolare riferimento alle moderne tecniche ibride di programmazione per il calcolo parallelo ad alte performances, ai paradigmi utilizzati per la collezione e l'analisi di grandi quantiativi di dati, quali Hadoop e mapreduce, e l'utilizzo ad essi connesso delle infrastrutture di calcolo su cloud e la loro gestione (Openstack).

Prerequisiti richiesti

• LABORATORIO

  Architettura degli Elaboratori;

  Elementi di programmazione;

  Conoscenze di base di C o C++.

Frequenza lezioni

• LABORATORIO

  Obbligatoria.

Contenuti del corso

• LABORATORIO

  I. Introduzione al calcolo distribuito
  II. Tassonomia di Flynn, paradigmi di memoria, threads, scheduling, messaggi
  III. Paradigmi di passaggio di messaggi e Message Passing Interface
  IV. Paradigmi di Shared Memory e Open MultiProcessing
  V. GPGPU Programming e Common Unified Device Architecture (CUDA)
  VI. Programmazione ad ate performance per architetture ibride di calcolo
  VII. Distributed Big Data Analysis e paradigmi di calcolo shared nothing
  VIII. Map­Reduce, file system distribuito, Hadoop e MrJob (python)
  IX. Soluzioni cloud­ oriented per il calcolo distribuito
  XI. OpenStack

Testi di riferimento

• LABORATORIO

  Testi di riferimento:
  1. G. Hager, G. Wellein: Introduction to High Performance Computing for Scientists
  and Engineers, CRC Press (2010)
  1. G. Coulouris et al.: Distributed Systems, Pearson (2013)
  2. Gropp et al.: Using MPI, MIT press (2014)
  3. B. Chapman, G. Jost: Using OpenMP, MIT press (2007)
  4. J. Sanders: CUDA by Example, Addison-­Wesley (2010)
  5. T. White: Hadoop: the definitive guide, O’Reilly (2015)
  6. T. Fifield et al.: OpenStack Operations Guide, O’Reilly (2016)

  Altri testi utili per approfondimento:
  - D. Culler et al.: Parallel Computer Architecture, Kaufmann (1998)
  - M.J. Quinn: Parallel Programming in C with Mpi and Openmp, McGraw­Hill (2008)
  - G. Barlas: Multicore and GPU Programming, Kaufmann (2014)
  - N. Wilt: CUDA Handbook, Addison-­Wesley (2013)
  - E. Sammer: Hadoop Operations, O’Reilly (2012)
  - M. GRoover, T. Malaska: Hadoop Applications Architectures, O’Reilly (2015)
  - K. Basil et al.: OpenStack Security Guide, O’Reilly (2015)

Programmazione del corso

Verifica dell'apprendimento

Modalità di verifica dell'apprendimento

• LABORATORIO

  Progetto unico.